沙19断块E1f13低电阻率油层成因及识别

针对低电阻率油层的电阻率低于或接近邻近水层的电阻率,给测井评价带来很大难度的问题,对沙埝油田沙19断块E¹f^1₃油层岩性、物性、粘土矿物、重矿物、地层水矿化度、油层厚度、测井及试油等资料进行了综合分析,研究结果表明,该油田确实存在低电阻率油层,其成因主要包括：岩性细、高地层水矿化度和砂泥岩薄互层。利用BP神经网络,选取最能反映本区低电阻率油层特征的5条测井曲线作为解释的输入参数,建立了比较系统的学习样本,对储层进行预测识别,取得了满意的效果。     

BP神经网络技术在声波测井曲线重构中的运用

基于神经网络的曲线重构法是提高声波测井曲线质量的有效方法。该方法通过神经网络技术的非线性算法,在声波曲线与自然电位、电阻率、自然伽马等多条测井曲线之间建立一种非线性关系。运用BP神经网络技术综合了自然电位、电阻率、自然伽马等多条曲线的信息对声波曲线进行重构,以此增加曲线重构的信息量,为曲线重构的准确性提供了保障。通过在准噶尔盆地石南地区的运用,证明该方法能大大提高受井壁垮塌影响的声波测井曲线的质量。     

陕北志丹地区长6低电阻率油层成因机制研究

低电阻率油藏作为一种非常规油藏已被人们所认知,由于成因机制复杂,识别难度大,常被人们遗漏或错判。为了详细研究陕北志丹地区低电阻率油层的成因机制,以长6储层为研究目的层位,采用实验分析、测井曲线重叠法、交会图等方法,建立相关的平、剖面图,并结合研究区试油试采成果,对长6储层低电阻率油层的成因机制进行了深入分析。认为志丹油区低阻油层发育众多,资源潜力大,约占其总储量的40%,分布广泛,成因机制复杂,很难用常规方法进行识别;多数油层电阻率主要介于2~21Ω·m之间,甚至小于0.6Ω·m.最终得出沉积砂体控制作用、岩性细,束缚水饱和度高、粘土附加导电性和高放射性砂岩是长6低电阻率油层发育的主要因素;由于区域地质状况的差异,初步探索出了适合研究区的低电阻率油层识别标准,以便为以后研究低阻油藏提供参考与借鉴。     

AS油田WY区特低渗透油藏水淹层评价方法

AS油田WY区特低渗透油藏的原始地层水矿化度很高,长期注淡水开发导致油层的电阻率呈现不对称U型曲线特征,强水淹油层的电阻率甚至高于原始油层的电阻率。特低渗透油藏水淹规律的影响因素复杂以及受储层本身特征的影响,适合中、高渗储层剩余油评价测井方法不适用于特低渗透水淹层评价。在岩电实验的基础上,明确了特低渗透油藏淡水驱水淹层机理。即当注入淡水的电阻率大于地层水电阻率时,且当其比值足够大时,水淹层电阻率明显高于原始油层,即出现U型曲线现象。根据常规测井曲线及岩芯分析资料,通过地层水矿化度与自然电位幅度、电阻率、声波时差等测井曲线组合进行了水淹层定性识别,探讨了地层混合液电阻率的求取方法,建立了淡水驱水淹层的定量解释模型。解释结果与试油投产符合率达85%以上。     

滨南油田低阻油层测井识别方法

滨南—利津断裂带发现较大规模低电阻率油藏,结合低阻油层的成因分析该地区储层电阻率的高低不仅与储层的含水饱和度有关,还与储层的孔隙度、岩性及岩性粗细密切相关。为避免传统的依据邻井的试产结果进行识别评价的方法,选用三孔隙度曲线重叠方法判别低阻油层,提出利用中子、密度和声波测井信息计算岩矿成分和粒径指数进行低阻油层的定量评价方法,并应用于测井评价,效果良好。     

乍得Bongor盆地潜山岩性识别及储层测井综合评价

潜山油藏作为非常规油藏之一,近年来随着研究的深入,陆续实现突破。Bongor盆地2013年首次发现潜山油藏,针对该盆地潜山岩性复杂,储集空间多样,储层识别和评价难度较大的问题,通过对大量的岩心数据进行分析,基本厘清了Bongor盆地潜山岩性,通过分析不同岩性的测井响应特征,确定了岩性识别定量标准。在此基础上通过岩石力学实验分析其力学性质,优选出了优势岩性,并利用常规测井曲线,结合全烃值和峰基比的方法,首次建立了该盆地潜山油藏储层和油层定性定量识别标准,取得了较好的应用效果。     

西泉地区电阻率参数反演及火山岩储层预测*

新疆准噶尔盆地东部西泉地区石炭系火山岩岩性特征分布复杂,受火山岩影响地震资料品质较差,采用常规地震储层预测方法识别火山岩储层效果不明显。通过分析研究区火山岩储层测井与地震响应特征,应用电阻率曲线构建拟声波曲线从而改善了波阻抗反演在火山岩储层识别中的效果。在对火山岩储层统计分析基础上,利用深浅电阻率差值和电阻率幅度差识别火山岩储集层,结合高分辨率波阻抗反演与电阻率参数反演信息的融合,预测了石炭系火山岩有利储层分布区。实际资料应用表明,电阻率差值参数反演能够较好地反映出火山岩储层平面变化特征。     

基于特征曲线重构的波阻抗反演在复杂储层预测中的应用

在目前储层预测方法中,基于测井约束的波阻抗反演作为一项关键技术,应用效果较为良好。对于其反演效果的优劣,声波测井资料品质具有显著影响。当声波特征曲线对有效储层与围岩差异的敏感性较低时,常规测井约束反演的结果对储层刻画能力会有所不足,而测井特征曲线重构技术则可以有效改善储层预测效果,提高砂体边界刻画的精度。本文在研究区实际地质特征分析的基础上,依据现有地震、测井资料,并结合储层预测需要,从声波测井资料的特点出发,通过特征曲线重构方法,将自然伽马、自然电位、电阻率等对岩性较为敏感的特征曲线与声波资料融合,最终在重构后的声波曲线基础上,通过测井约束波阻抗反演来表征储层。实际应用结果表明砂、泥岩得到良好区分,储层描述明显改善,为后续生产开发提供了有效指导。     

组合参数法在低阻油层测井识别中的应用

低阻油层测井识别困难,严重制约了对油藏流体的认识。近年来随着低阻油藏开发深入,低阻油层识别越发重要。本文根据常规测井曲线特征,通过试凑法探索出一套简单实用的识别低阻油层方法,通过新疆XX油田进行应用,发现恰当的参数组合对识别低阻油层能取得较好的效果。     

油气田低电阻率油层识别方法研究

为提高低电阻率油层测井评价的可靠性，对大港油田低电阻率油层进行研究。从对低电阻率油层成因的认识出发，结合地质认识成果和测井响应特征探索出识别低电阻率油层的有效方法。研究表明，低电阻率油层的识别应首先从沉积、圈闭以及层位的角度出发，确定低阻油层可能出现的区域，然后综合判别各种测井响应特征，最终正确识别出低电阻率油层。     

南堡油田东营组低阻油气层识别技术研究

南堡油田东营组发育低阻油层,与邻近水层或泥岩层的电阻率极为接近。通过对低阻油层的成因机制分析,确定储层岩性细、泥质含量高、束缚水饱合度高、构造幅度低以及大部分井使用盐水泥浆钻井是形成低电阻率的主要原因。通过对低阻油气层测井解释方法的研究,形成了一套有效的油气层综合识别技术,提高了东营组低电阻率油层的识别能力,从而开发出南堡油田低阻油层的潜在储量,以保证油区增储上产。     

基于曲线重构的复杂砂砾岩体岩性识别研究——以北16井区梧桐沟组为例

通过对研究区域的复杂砂砾岩体岩心、录井、测井等数据的综合分析,预先落实部分岩性,选择对储层岩性敏感的自然伽马、电阻率、补偿中子和声波时差4种曲线进行曲线重构,建立了一套岩性识别图版,确立各类岩性定量解释标准。结果表明,该方法能定量划分储层岩性,可为研究区后续的勘探开发提供参考的岩性数据。     

拟声波反演技术在潍北地区的应用

潍北凹陷孔二上亚段主要以薄层为主,受多种因素影响,声波测井曲线不能有效反映储层特征。依据本区地质特点和资料情况,以地质、测井、地震综合研究为基础,以岩石物理学为理论指导,利用拟声波技术分析了不同测井曲线对于储层的敏感性,优选出能有效反映岩性特征的自然电位、自然伽马等测井曲线,应用拟声波技术构建储层特征曲线,开展测井约束反演。处理结果表明,该方法在储层预测、岩性识别等方面应用效果较好。     

曲线重构反演在储层横向预测中的应用

声波曲线是目前进行基于测井约束的波阻抗反演工作所必备的基础资料,然而在实际工作中得到的声波资料经常不能很好地反映地下岩性的变化规律,因此有时需要参考其他测井信息进行曲线重构工作。本文在对测井曲线重构方法进行深入研究的基础上,提出一种能真正反映储层特征的多曲线声波重构技术。这种方法由于是在保持声波曲线特性的基础上,利用自然伽马、自然电位、补偿中子及电阻率曲线（经过标准化和归一化校正）参与重构,故既能保持声波曲线的时深关系和所有频率信息不变,又能充分利用参与重构曲线的特征信息。通过对D 区实际例子进行波阻抗反演和储层预测的应用,取得了良好的效果,表明该方法是一种简单、实用、有效的曲线重构技术。     

概率神经网络技术在地震岩性反演中应用

针对研究区目的储层单层厚度小和储层岩性横向变化较大情况,为了解决利用地震资料进行常规储层预测反演较困难问题,采用概率神经网络方法,讨论了网络模型的构造和预测识别等步骤。根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地层特征进行预测识别,研究结果表明:在实际资料处理中取得了好的应用效果。研究成果对油田勘探开发具有一定的指导意义。     

BP神经网络在砂岩储层流体识别中的应用

莫北地区侏罗纪三工河组,岩性主要是中、细砂岩,属低孔低渗储层,所以储层流体性质的识别是该地区急需解决的问题。针对常规测井储层识别准确率不佳的情况,提出了Bp神经网络这种数学方法进行储层的油、气、水、干层的识别。提出43个试油层段的测井曲线特征值,以对流体性质敏感并且在交会图上具有比较明显区分度的密度值（DEN）、孔隙度（POR）、电阻率值（RT）和含水饱和度值（SW）作为输入向量,经程序训练判别准确率达到满足的要求后根据得到的权值、阈值编写神经网络预测的程序挂接在测井解释软件中,从而实现了Bp神经网络在储层中的自动化识别。     

基于门控循环单元网络的低阻油层测井流体识别方法

研究区块低阻油层发育广泛,油层和水层的电阻率相差不大,导致测井流体识别较为困难。为了有效识别低阻油层,采用少数类过采样技术(synthetic minority oversampling technique, Smote)对油水同层,油层等少数类样本进行过采样使数据集均衡;并利用门控循环单元(gated recurrent unit, GRU)网络模型进行低阻油层的流体识别。通过相关性分析确定自然伽马(GR)、深侧向电阻率(RD)、密度(DEN)等8条测井曲线数据作为输入训练模型,应用于中实际资料中,并将GRU与传统RNN和其他3种机器学习算法对比。结果表明：序列数据模型的流体识别效果比传统机器学习模型好,且基于Smote-GRU的流体识别模型的符合率达到89.5%,相对传统循环神经网络(recurrent neural network, RNN)的81.1%,取得了较好的应用效果。通过对照试验还证实了Smote算法提高了分类器对少数类样本的识别率。所提出的方法可为样本不均衡的低阻油层的流体识别提供参考。     

油气田低电阻率油层成因机理分析

为提高低电阻率油层测井评价的可靠性，本文选取大港油气田低电阻率油层作为研究对象。通过对储层沉积特征、泥质含量及类型、孔隙结构、泥浆侵入、油层厚度、测井系列和地层水矿化度等影响因素的分析，系统剖析低电阻率油层的成因和机理，揭示低电阻率油层的地质及测井特征，为探索出识别低电阻率油层的有效方法奠定基础。研究表明，原始低电阻率油层的形成与地质作用密切相关；次致低电阻率油层的形成则主要受泥浆侵入深，油层薄，测井系列及高地层水矿化度等外部因素影响。     

岩性油藏特征制约下超低渗透油层快速识别方法与模型

复杂的岩石物理和特殊的渗流机理使得长庆油田超低渗透储层的流体识别比较困难.针对这一问题,基于微观岩石物理机理研究,得出岩性控制物性,物性制约含油性,这一特征与超低渗透岩性油藏的宏观控油规律相符;基于测井曲线响应特征模式的统计分析,在刻度一定前提下,当三孔隙度曲线的重合程度较高时,岩性较纯,对应地层段含油性较好;反之,则岩性不纯,对应地层段含油性较差,并且导致岩性不纯和物性变差的主要原因是泥质和钙质的存在.基于微观岩石物理规律和三孔隙度曲线响应特征,并综合反映流体性质的深感应电阻率和刻画储层物性的声波时差曲线,利用神经元非线性函数Sigmoid的突变性质衍生超低渗透油层的识别参数IpR和产水率Fw.通过对研究区54口井的处理,衍生识别参数IpR和Fw获得了83.33％的准确率.     

基于吸收分析的多属性反演技术及在油田开发中的应用

为了满足油藏开发阶段砂体内部油水识别的需求,提出了基于地层吸收分析的多属性反演流体识别技术。算法实现分三步:1利用基于广义S变换的瞬时子波吸收分析(GST_WEA)油气预测技术计算地震记录的高、低频吸收因子;2结合吸收因子和其它与流体相关的地震属性,以电阻率曲线为目标函数构建多元线性反演,利用多元逐步回归算法对包括吸收因子在内的多种地震属性进行流体敏感性排序;3进一步利用概率神经网络算法对优选的以吸收因子为主的地震属性进行多属性电阻率反演。通过模型分析验证了GST_WEA油气预测技术的抗噪性。实际应用效果表明吸收因子较其他地震属性具有更高的流体敏感性,通过多属性反演有效预测了砂体内部的含油优势区域。